对象评估方法、装置、设备、存储介质以及程序产品与流程

1.本公开涉及计算机技术领域，尤其涉及人工智能技术领域。


背景技术：

2.生产和生活的各个方面均涉及对象评估，随着互联网的发展，对于对象评估的准确性提出了更高的要求。


技术实现要素：

3.本公开提供了一种对象评估方法、装置、设备、存储介质以及计算机程序产品。
4.根据本公开的一方面，提供了一种对象评估方法，包括获取对象的待评估信息，待评估信息包括结构信息和环境信息中的至少一个；根据待评估信息，确定对象的风险因素评估结果；以及将待评估信息与参照对象的参照信息进行比较，确定对象的风险评估结果。
5.根据本公开的另一方面，提供了一种对象评估装置，包括：待评估信息获取模块，风险因素评估结果确定模块，以及风险评估结果确定模块，待评估信息获取模块，用于获取对象的待评估信息，待评估信息包括结构信息和环境信息中的至少一个，风险因素评估结果确定模块，用于根据待评估信息，确定对象的风险因素评估结果，风险评估结果确定模块，用于将待评估信息与参照对象的参照信息进行比较，确定对象的风险评估结果。
6.根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开实施例所述的方法。
7.根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据本公开实施例所述的方法。
8.根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据本公开实施例所述的方法。
9.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
10.附图用于更好地理解本方案，不构成对本公开的限定。其中：
11.图1示例性示出了适于本公开实施例的对象评估方法、装置的系统架构；
12.图2示例性示出了根据本公开实施例的对象评估方法的流程图；
13.图3示例性示出了根据本公开另一实施例的对象评估方法的示意图；
14.图4示例性示出了根据本公开又一实施例的对象评估方法的示意图；
15.图5示例性示出了根据本公开又一实施例的对象评估方法的示意图；
16.图6示例性示出了根据本公开又一实施例的对象评估方法的示意图；
17.图7示例性示出了根据本公开实施例的对象评估装置的框图；
18.图8示例性示出了用来实现本公开实施例的对象评估方法的电子设备的框图。
具体实施方式
19.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
20.图1示意性示出了根据本公开一实施例的对象评估方法和装置的系统架构。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
21.如图1所示，根据该实施例的系统架构100可以包括客户端101a、101b、101c，网络102和服务器103。网络102用以在客户端101a、101b、101c和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
22.用户可以使用客户端101a、101b、101c通过网络102与服务器103交互，以接收或发送消息等。客户端101a、101b、101c上可以安装有各种通讯客户端应用，例如导航类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
23.客户端101a、101b、101c可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。本公开实施例的客户端101a、101b、101c例如可以运行应用程序。
24.服务器103可以是提供各种服务的服务器，例如对用户利用客户端101a、101b、101c所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给客户端。另外，服务器103还可以是云服务器，即服务器103具有云计算功能。
25.需要说明的是，本公开实施例所提供的对象评估方法可以由服务器103执行。相应地，本公开实施例所提供的对象评估装置可以设置于服务器103中。本公开实施例所提供的对象评估方法也可以由不同于服务器103且能够与客户端101a、101b、101c和/或服务器103通信的服务器或服务器集群执行。相应地，本公开实施例所提供的对象评估装置也可以设置于不同于服务器103且能够与客户端101a、101b、101c和/或服务器103通信的服务器或服务器集群中。
26.在一种示例中，服务器103可以通过网络102获取来自客户端101a、101b、101c的待评估信息。
27.应该理解，图1中的客户端、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的客户端、网络和服务器。
28.应注意，本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
29.图2示例性示出了根据本公开一实施例的对象评估方法的流程图。
30.如图2所示，根据本公开一实施例的对象评估方法200包括操作s210～操作s230。
31.对象评估可以理解为利用评估方法对对象的某些特征进行评估，并获得评估结果的过程。通过对象评估获得的评估结果例如可以用于辅助决策。
32.在操作s210，获取对象的待评估信息。
33.待评估信息包括结构信息和环境信息中的至少一个。
34.待评估信息可以理解为用于评估对象的基础信息，对该待评估信息利用评估方法进行分析、判断，可以获得对象的评估结果。对于例如房屋等对象，结构信息、环境信息可以是影响对象的风险的原因。
35.在操作s220，根据待评估信息，确定对象的风险因素评估结果。
36.在操作s230，将待评估信息与参照对象的参照信息进行比较，确定对象的风险评估结果。
37.以下将称上述的对象为待评估对象，参照对象可以理解为与待评估的对象属于相同或者类似的种类，参照对象的参照信息可以理解为与待评估信息具有相同或者类似的属性，参照对象的参照信息对于评估待评估对象的待评估信息具有可供参考的意义。
38.风险因素可以理解为与对象的风险评估结果具有相关性的因素，风险因素评估结果可以理解为对对象的风险因素的评估结果。
39.参照对象可以是预先确定的，因此参照对象的参照信息可以更加全面和准确，将待评估信息与参照对象的参照信息进行比较，可以准确确定对象的风险评估结果。
40.本公开实施例的对象评估方法可以准确地评估对象的风险，并以风险评估结果表征对象的风险，还可以确定对象的风险因素评估结果，提供包括风险-与风险具有相关性的风险因素两者的完整的评估结果。
41.以下将以本公开实施例的对象评估方法应用于房屋对象举例说明。
42.结构信息例如可以包括房屋对象的结构信息，结构信息可以包括户型信息、房屋对象的某个位置的结构信息等，例如，阳台位置的结构信息、墙角位置的结构信息。环境信息可以包括采光信息、声音信息，采光信息可以由房屋对象的开窗位置、开窗面积以及房屋对象的朝向等确定，声音信息可以参照房屋对象附近的设施确定，例如可以通过房屋对象的位置，房屋对象附近是否建设有车站、或者房屋对象是否靠近铁路线路或者高速线路等确定。
43.示例性地，可以预先从相关平台获取参照信息，例如可以从租房平台或者其他平台获取参照房屋的参照信息，参照信息例如可以包括参照房屋的结构信息、环境信息等，在此不再赘述。
44.通过待评估信息，可以确定房屋的风险因素评估结果。例如，风险因素评估结果可以包括阳台漏水、墙角发霉。采光信息的风险因素评估结果例如可以包括采光不足，声音信息的风险因素评估结果例如可以包括噪音分贝高。
45.通过参照房屋，还可以确定待评估的房屋对象的风险评估结果，例如，风险评估结果可以是低风险、中风险、高风险等。当然，还可以通过评分的方式确定风险评估结果，在此不限定具体的风险评估结果的形式。
46.示例性地，待评估信息还可以包括：对象的评论信息、对象的法律信息。
47.对象的评论信息对于评价对象的风险具有参考意义，对象的法律信息对于确定对
象的合法性具有参考意义，本公开实施例的对象评估方法可以参考对象的评论信息、对象的法律信息以全面、准确地确定对象的风险评估结果。
48.房屋对象的评论信息例如可以包括其他房屋住户提供的房屋对象的质量信息、房屋对象的缺陷信息，房屋对象的法律信息例如可以包括房屋对象的司法诉讼信息。
49.图3示意性示出了根据本公开另一实施例的对象评估方法的示意图。
50.如图3所示，根据本公开另一实施例的对象评估方法300，还可以包括操作s310。可以在例如图2所示的操作s220之后执行图3所示的示例方法，确定对象的风险因素克服信息。应该理解，本公开实施例的对象评估方法300在操作s310之前可以根据待评估信息301确定风险因素评估结果304，还可以根据待评估信息301与参照信息302比较，获得风险评估结果303。
51.在操作s310，根据风险因素评估结果304，确定对象的风险因素克服信息305。
52.风险因素克服信息可以理解为用于克服风险因素，以降低对象风险的信息。
53.示例性地，可以针对每一个风险因素，预先确定可以克服该风险因素的信息，即确定风险因素克服信息，或者，将每一个风险因素进行分类，获得各个类别的风险因素，可以预先确定可以克服该类别的风险因素的信息，即确定风险因素克服信息。可以预先确定风险因素与风险因素克服信息之间的对应关系，由于风险因素评估结果可以表征风险因素，因此可以在确定风险因素评估结果之后，根据风险因素与风险因素克服信息之间的对应关系，确定风险因素克服信息。
54.示例性地，还可以将风险因素评估结果输入第一评估模型，确定对象的风险因素克服信息。或者，还可以将待评估信息输入第一评估模型，确定对象的风险因素克服信息。
55.示例性地，第一评估模型例如可以包括卷积神经网络模型或者递归神经网络模型。
56.卷积神经网络，即，convolutional neural network，简称为cnn。例如，卷积神经网络模型的输入可以是风险因素评估结果或者待评估信息，应该理解，前期在卷积神经网络模型训练时，可以输入训练数据集的训练样本，输出风险因素克服信息，在模型达到预设的精度后，训练完成，获得可以使用的模型。将风险因素评估结果或者待评估信息输入训练完成的卷积神经网络模型中，可以输出对应的风险因素克服信息。
57.示例性地，卷积神经网络模型可以包括googlenet模型。
58.递归神经网络，即，recursive neural network，简称为rnn，递归神经网络的训练以及训练完成后的使用与上述的卷积神经网络的原理相同，在此不再赘述。
59.卷积神经网络模型的不同的输入之间相互独立，不同的输出之间相互独立，与卷积神经网络模型不同，递归神经网络模型可以依据当前时刻的输入，推断下一个时刻的输出，是一个具有时序的神经网络，因此递归神经网络模型可以适用于具有时序的风险因素评估结果或者待评估信息。
60.本公开实施例的对象评估方法可以根据风险因素评估结果，确定可以降低对象风险的风险因素克服信息，可以获得对象的风险因素评估结果-对象的风险评估结果-对象的风险因素克服信息三者以准确、完整地评估对象，还可以参照对象的风险因素克服信息降低对象的风险。
61.仍以本公开实施例的对象评估方法应用于房屋对象举例说明。
62.例如，房屋对象的风险因素评估结果可以包括阳台漏水，则房屋对象的风险因素克服信息可以包括增加防水层。房屋对象的风险因素评估结果可以包括噪声分贝高，则房屋对象的风险因素克服信息可以包括加厚墙体、门窗的安装加强密封措施等。
63.图4示意性示出了根据本公开又一实施例的对象评估方法中确定对象的风险评估结果的示意图。
64.根据本公开又一实施例，可以使用以下实施例来实现对象评估方法中确定对象的风险评估结果的具体示例。本领域技术人员技术可以理解，可以在例如图2所示的操作s220之后执行图4所示的示例方法，将待评估信息与参照对象的参照信息进行比较，确定对象的风险评估结果。
65.如图4所示，在操作s410，将待评估信息401与各参照信息402进行比较，获得比较结果403。
66.为确保风险评估结果的准确性，可以预先设置多个参照对象，待评估信息与各参照对象的参照信息进行比较获得的比较结果例如可以表征待评估信息与各参照信息的相似性程度。
67.在操作s420，根据比较结果403，确定目标参照信息405，目标参照信息405是比较结果403在参照阈值404范围内的参照信息。
68.应该理解，与待评估信息的相似度越高的参照信息对于确定待评估信息的风险评估结果的参照意义更大。目标参照信息例如可以是与待评估信息的相似度最高的参照信息。
69.在操作s430，根据目标参照信息405的参照风险结果，确定待评估信息的风险评估结果406。
70.示例性地，可以预先确定各个参照对象的参照信息的风险结果，即参照风险结果，该参照风险结果可以是参照对象的实际风险结果，目标参照信息的参照风险结果可以直接作为待评估信息的风险评估结果，或者可以以一定的权重参考参照风险结果，获得待评估信息的风险评估结果。
71.示例性地，可以使用k-均值聚类模型确定待评估信息的风险评估结果。k均值聚类，即，k-means clustering algorithm，根据k-均值聚类模型确定待评估信息的风险评估结果例如可以包括：预先将参照信息分为k组，随机选取k个参照信息的参照风险结果作为均值的初始值，计算每个待评估信息与各个初始均值所在点之间的距离。然后将各个待评估信息分类至距离最近的初始均值所在点所在的组，并根据组内数据更新每个均值所在点，重复上述步骤，可以获得k个组。由此，每一个待评估信息可以对应一个组的参照风险结果，作为待评估信息的风险评估结果。
72.本公开实施例的对象评估方法，可以合理、准确地确定目标参照信息，并参照目标参照信息的参照风险结果，可以准确地确定待评估信息的风险评估结果。
73.图5示意性示出了根据本公开又一实施例的对象评估方法中确定对象的风险因素评估结果的示意图。
74.根据本公开又一实施例，可以使用以下实施例来实现对象评估方法中确定对象的风险因素评估结果的具体示例。本领域技术人员技术可以理解，可以在例如图2所示的操作s210之后执行图5所示的示例方法，根据待评估信息，确定对象的风险因素评估结果。
75.如图5所示，结构信息可以包括结构图像，环境信息可以包括环境图像，在操作s510，将待评估信息501输入风险因素评估模型502，确定对象的风险因素评估结果503。
76.示例性地，风险因素评估模型例如可以包括卷积神经网络模型或者递归神经网络模型。上述实施例中已经详细说明卷积神经网络模型与递归神经网络模型，在此不再赘述。与第一评估模型不同，风险因素评估模型的输入可以包括待评估信息501，风险因素评估模型的输出可以包括对象的风险因素评估结果。
77.在操作s520，根据风险因素评估结果503，确定结构图像中的风险因素的位置和/或确定环境图像中的风险因素的位置。
78.示例性地，可以根据风险因素评估模型确定图像中的风险因素的位置和/或环境图像中的风险因素的位置，还可以根据目标检测模型确定结构图像中的风险因素的位置和/或环境图像中的风险因素的位置。目标检测模型例如可以包括yolo模型，yolo模型的输出可以包括风险因素的检测框。
79.本公开实施例的对象评估方法，可以根据风险因素评估模型自动、准确地确定对象的风险因素评估结果，还可以根据风险因素评估结果，直观地在结构图像、环境图像中确定风险因素的位置。
80.图5示出了风险因素的位置504，应该理解，风险因素的位置504可以包括结构图像中的风险因素的位置和/或环境图像中的风险因素的位置。
81.仍以本公开实施例的对象评估方法应用于房屋对象举例说明。
82.例如，风险因素评估模型包括卷积神经网络模型，结构图像为阳台位置的图像，将结构图像输入风险因素评估模型中，风险因素评估模型可以对结构图像的特征进行提取，得到房屋对象的阳台位置漏水的这一特征，作为对象的风险因素评估结果，还可以在该结构图像中标出漏水的阳台，以确定风险因素的位置。
83.图6示意性示出了根据本公开又一实施例的对象评估方法中确定对象的风险因素评估结果的示意图。
84.根据本公开又一实施例，可以使用以下实施例来实现对象评估方法中确定对象的风险因素评估结果的具体示例。本领域技术人员技术可以理解，可以在例如图2所示的操作s210之后执行图6所示的示例方法，根据待评估信息，确定对象的风险因素评估结果。
85.如图6所示，对象可以包括房屋对象，环境信息可以包括采光信息601和声音信息603中的至少一个，根据待评估信息，确定对象的风险因素评估结果可以包括操作s610和操作s620。
86.在操作s610，根据光源叠加原理处理采光信息601，确定采光信息的风险因素评估结果602。
87.例如，在采光信息为两束亮度一样的光束时，可以利用以下公式(1-1)计算叠加后的光线强度。
[0088][0089]
i1和i2分别表示两束光的光强，表示处于观测点的两束光的相位差，in表示叠加后的光线强度，对于自然光，光波的相位不断跳变，的数值会随着时间不断变化，随时间变化被平均为0。
[0090]
在操作s620，根据分贝叠加原理处理声音信息603，确定声音信息的风险因素评估
结果604。
[0091]
例如，在声音信息为两个声源时，可以利用以下公式(1-2)计算叠加后的分贝值。
[0092]
l
总
＝10log
10
(10
(l1/10)
+10
(l2/10)
)
ꢀꢀꢀꢀꢀ
(1-2)
[0093]
l1和l2分别表示在某一点处两个声源的声音的分贝数值，l
总
表示两个声源叠加后的分贝值。
[0094]
根据本公开的实施例，本公开还提供了一种对象评估装置。
[0095]
如图7所示，根据本公开实施例的对象评估装置700包括：待评估信息获取模块710、风险因素评估结果确定模块720以及风险评估结果确定模块730。
[0096]
待评估信息获取模块710，用于获取对象的待评估信息，待评估信息包括结构信息和环境信息中的至少一个。在一个实施例中，待评估信息获取模块710可以用于执行上述的操作s210。
[0097]
风险因素评估结果确定模块720，根据待评估信息，确定对象的风险因素评估结果。在一个实施例中，风险因素评估结果确定模块720可以用于执行上述的操作s220。
[0098]
风险评估结果确定模块730，用于将待评估信息与参照对象的参照信息进行比较，确定对象的风险评估结果。在一个实施例中，风险评估结果确定模块730可以用于执行上述的操作s230。
[0099]
根据本公开实施例的对象评估装置，还可以包括风险因素克服信息确定模块。
[0100]
风险因素克服信息确定模块，可以用于根据风险因素评估结果，确定对象的风险因素克服信息。
[0101]
根据本公开实施例的对象评估装置，其中，风险评估结果确定模块可以包括：比较子模块、目标参照信息确定子模块以及风险评估结果确定子模块。
[0102]
比较子模块，可以用于将待评估信息与各参照信息进行比较，获得比较结果；
[0103]
目标参照信息确定子模块，可以用于根据比较结果，确定目标参照信息，目标参照信息是比较结果在参照阈值范围内的参照信息。
[0104]
风险评估结果确定子模块，可以用于根据目标参照信息的参照风险结果，确定待评估信息的风险评估结果。
[0105]
根据本公开实施例的对象评估装置，结构信息可以包括结构图像，环境信息可以包括环境图像，风险因素评估结果确定模块可以包括：风险因素评估结果确定子模块和风险因素位置确定子模块。
[0106]
风险因素评估结果确定子模块，可以用于将待评估信息输入风险因素评估模型，确定对象的风险因素评估结果；
[0107]
风险因素位置确定子模块，可以用于根据风险因素评估结果，确定结构图像中的风险因素的位置和/或确定环境图像中的风险因素的位置。
[0108]
根据本公开实施例的对象评估装置，其中，对象可以包括房屋对象，环境信息可以包括采光信息和声音信息中的至少一个，风险因素评估结果确定模块可以包括：采光信息风险因素评估结果确定子模块和分贝信息风险因素评估结果确定子模块。
[0109]
采光信息风险因素评估结果确定子模块，可以用于根据光源叠加原理处理采光信息，确定采光信息的风险因素评估结果；
[0110]
分贝信息风险因素评估结果确定子模块，可以用于根据分贝叠加原理处理声音信
息，确定声音信息的风险因素评估结果。
[0111]
根据本公开实施例的对象评估装置，其中，待评估信息还可以包括：对象的评论信息、对象的法律信息。
[0112]
应该理解，本公开装置部分的实施例与本公开方法部分的实施例对应相同或类似，所解决的技术问题和所达到的技术效果也对应相同或类似，本公开在此不再赘述。
[0113]
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
[0114]
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
[0115]
如图8所示，电子设备800包括计算单元801，其可以根据存储在只读存储器(rom)802中的计算机程序或者从存储单元808加载到随机访问存储器(ram)803中的计算机程序，来执行各种适当的动作和处理。在ram 803中，还可存储电子设备800操作所需的各种程序和数据。计算单元801、rom 802以及ram 803通过总线804彼此相连。输入/输出(i/o)接口805也连接至总线804。
[0116]
电子设备800中的多个部件连接至i/o接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0117]
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如对象评估方法。例如，在一些实施例中，对象评估方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由rom 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到ram 803并由计算单元801执行时，可以执行上文描述的对象评估方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行对象评估方法。
[0118]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至
少一个输出装置。
[0119]
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0120]
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0121]
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0122]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
[0123]
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务(
″
virtual private server
″
，或简称
″
vps
″
)中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
[0124]
本公开的技术方案中，所涉及的待评估信息的记录，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
[0125]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
[0126]
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明
白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

技术特征：
1.一种对象评估方法，包括：获取对象的待评估信息，所述待评估信息包括结构信息和环境信息中的至少一个；根据所述待评估信息，确定所述对象的风险因素评估结果；以及将所述待评估信息与参照对象的参照信息进行比较，确定所述对象的风险评估结果。2.根据权利要求1所述的方法，还包括：根据所述风险因素评估结果，确定所述对象的风险因素克服信息。3.根据权利要求1所述的方法，其中，所述将所述待评估信息与参照对象的参照信息进行比较，确定所述对象的风险评估结果包括：将所述待评估信息与各所述参照信息进行比较，获得比较结果；根据所述比较结果，确定目标参照信息，所述目标参照信息是所述比较结果在参照阈值范围内的参照信息；以及根据目标参照信息的参照风险结果，确定所述待评估信息的风险评估结果。4.根据权利要求1所述的方法，所述结构信息包括结构图像，所述环境信息包括环境图像，所述根据所述待评估信息，确定所述对象的风险因素评估结果包括：将所述待评估信息输入风险因素评估模型，确定对象的所述风险因素评估结果；根据所述风险因素评估结果，确定所述结构图像中的风险因素的位置和/或确定所述环境图像中的风险因素的位置。5.根据权利要求2-4中任一项所述的方法，其中，所述对象包括房屋对象，所述环境信息包括采光信息和声音信息中的至少一个，所述根据所述待评估信息，确定所述对象的风险因素评估结果包括：根据光源叠加原理处理所述采光信息，确定所述采光信息的所述风险因素评估结果；根据分贝叠加原理处理所述声音信息，确定所述声音信息的所述风险因素评估结果。6.根据权利要求1-4中任一项所述的方法，其中，所述待评估信息还包括：对象的评论信息、对象的法律信息。7.一种对象评估装置，包括：待评估信息获取模块，用于获取对象的待评估信息，所述待评估信息包括结构信息和环境信息中的至少一个；风险因素评估结果确定模块，用于根据所述待评估信息，确定对象的风险因素评估结果；以及风险评估结果确定模块，用于将所述待评估信息与参照对象的参照信息进行比较，确定所述对象的风险评估结果。8.根据权利要求7所述的装置，还包括：风险因素克服信息确定模块，用于根据所述风险因素评估结果，确定所述对象的风险因素克服信息。9.根据权利要求7所述的装置，其中，所述风险评估结果确定模块包括：比较子模块，用于将所述待评估信息与各所述参照信息进行比较，获得比较结果；目标参照信息确定子模块，用于根据所述比较结果，确定目标参照信息，所述目标参照信息是所述比较结果在参照阈值范围内的参照信息；以及风险评估结果确定子模块，用于根据目标参照信息的参照风险结果，确定所述待评估
信息的风险评估结果。10.根据权利要求7所述的装置，所述结构信息包括结构图像，所述环境信息包括环境图像，所述风险因素评估结果确定模块包括：风险因素评估结果确定子模块，用于将所述待评估信息输入风险因素评估模型，确定对象的所述风险因素评估结果；风险因素位置确定子模块，用于根据所述风险因素评估结果，确定所述结构图像中的风险因素的位置和/或确定所述环境图像中的风险因素的位置。11.根据权利要求8-10中任一项所述的装置，其中，所述对象包括房屋对象，所述环境信息包括采光信息和声音信息中的至少一个，所述风险因素评估结果确定模块包括：采光信息风险因素评估结果确定子模块，用于根据光源叠加原理处理所述采光信息，确定所述采光信息的所述风险因素评估结果；分贝信息风险因素评估结果确定子模块，用于根据分贝叠加原理处理所述声音信息，确定所述声音信息的所述风险因素评估结果。12.根据权利要求7-10中任一项所述的装置，其中，所述待评估信息还包括：对象的评论信息、对象的法律信息。13.一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。15.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。

技术总结
本公开提供了一种对象评估方法、装置、设备、存储介质以及计算机程序产品，涉及计算机领域，尤其涉及人工智能领域。具体实现方案为：获取对象的待评估信息，待评估信息包括结构信息和环境信息中的至少一个；根据待评估信息，确定对象的风险因素评估结果；以及将待评估信息与参照对象的参照信息进行比较，确定对象的风险评估结果。风险评估结果。风险评估结果。


技术研发人员：任怡
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：2021.12.03
技术公布日：2022/3/8